Xilinx、Spline.AI、AWS 推出 X 射线分型深度学习模型和参考设计

开源的自适应深度学习模型,助力医疗设备制造商和医疗服务提供商快速开发经过训练的模型,面向临床和放射医学应用,加速COVID-19 和肺炎检测。

赛灵思公司〔Xilinx, Inc.,(NASDAQ: XLNX)〕宣布推出全功能医疗 X 射线分型深度学习模型和参考设计套件,这是赛灵思与 Spline.AI 及亚马逊网络服务(AWS)强强携手共同取得的合作成果。这种高性能模型部署在赛灵思 Zynq® UltraScale+™ MPSoC ZCU104 器件之上,并采用了赛灵思深度学习处理器单元(DPU)。该 DPU 是一种软 IP 张量加速器,它的强大功能足以支持运行各种神经网络,其中包括用于分型和疾病检测的神经网络。

赛灵思:开源、低成本、适应未来,三大平台价值加速放射医学应用开发

这一合作开发的解决方案使用了开源模型(在赛灵思 Zynq UltraScale+ MPSoC 器件上的 Python 编程平台上运行),这意味着研究人员可以对其进行调整,以适应不同应用的特定需求。通过采用这样的开源设计,医疗诊断设备、临床设备制造商以及医疗服务提供商能够快速地为移动设备、便携式设备或护理点边缘设备中的大量临床应用和放射医学应用开发和部署经过训练的模型,并提供向云端扩展的选项。

赛灵思核心市场业务部市场营销与业务开发副总裁 Kapil Shankar 表示:“AI 是医疗行业中发展速度最快、需求最强劲的应用领域。因此,能够向业界推出这种自适应的开源解决方案,我们感到十分高兴。这种低成本的解决方案兼具低时延、高能效和可扩展能力。此外,由于该模型能够轻松适应相似的临床应用和诊断应用,医疗设备制造商和医疗服务提供商可以借助参考设计套件,提前快速开发出适应未来的临床应用和放射医学应用。”

AWS:Amazon SageMaker 训练和 IoT Greengrass 实现从云到端远程医疗服务

该解决方案的 AI 模型使用 Amazon SageMaker 进行训练,并使用 AWS IoT Greengrass 从云端部署到边缘,从而支持远程机器学习(ML)模型更新、地域分布式推断,并能够跨远程网络和广阔地域进行扩展。

亚马逊网络服务公司物联网副总裁 Dirk Didascalou 表示:“能够支持赛灵思为医疗客户设计解决方案,满足医疗客户对快速开发用于临床应用和放射医学应用的受训模型提出的迫切需求,我们深感欣慰。Amazon SageMaker 帮助赛灵思和 Spline.AI 开发出高质量的解决方案,从而使得使用低成本的医疗设备就可以为实现高准确度的临床诊断提供支持。集成 AWS IoT Greengrass 后,医生无需借助物理医疗设备就能轻松地将 X 射线图上传到云端,为更加偏远的地区提供远程诊疗服务。”

Spline.AI:通过准确迅速的实时图像训练加速肺炎和 COVID-19 检测系统

Spline.ai 利用 Zynq UltraScale+ MPSoC 的实时功能和图像处理特性来实施肺部感染及新冠病毒检测模型,这对于了解感染程度和生成可视化热图非常有效。

该解决方案已被用于肺炎和 COVID-19 检测系统,不仅准确度极高,而且推断时延低。开发团队采用了超过 30,000 幅精挑细选且带有标记的肺炎图像,以及 500 幅 COVID-19 图像对深度学习模型进行训练。这一数据已提供给医疗机构和研究机构用于开展公共研究,如美国国立卫生研究院(NIH)、斯坦福大学、MIT 以及世界各地的其他医院和诊所。

Spline.AI 首席技术官 Syed Hussain 表示:“赛灵思 Zynq UltraScale+ MPSoC 是一种理想的边缘器件,非常适用于在临床环境下进行高性能深度学习模型的可扩展部署,例如我们在这次合作中训练开发的新型 COVID-XS 模型就是一个很好的证明。”

进一步了解如何运用该赛灵思开源设计平台开发放射医学流,请访问:https://china.xilinx.com/applications/medical/healthcare-ai.html

推荐阅读